UNIVERSIDADE FEDERAL DO PARANÁ
MAURICIO MÜLLER
AVALIAÇÃO DA INFLUÊNCIA DA CONFIGURAÇÃO DE VOO PARA AQUISIÇÃO DE DADOS LIDAR NA QUALIDADE DAS VARIÁVEIS
FLORESTAIS EXTRAÍDAS EM FLORESTAS PLANTADAS
CURITIBA 2013
MAURICIO MÜLLER
AVALIAÇÃO DA INFLUÊNCIA DA CONFIGURAÇÃO DE VOO PARA AQUISIÇÃO DE DADOS LIDAR NA QUALIDADE DAS VARIÁVEIS
FLORESTAIS EXTRAÍDAS EM FLORESTAS PLANTADAS
Tese apresentada ao Curso de Pós-Graduação em Engenharia Florestal, Setor de Ciências Agrárias, Universidade Federal do Paraná, como requisito parcial à obtenção do Grau de Doutor em Engenharia Florestal. Área de Concentração: Manejo Florestal.
Orientador: Prof. Dr. Nelson Y. Nakajima
Co-orientadores: Profa Dra. Ana Paula B. Kersting Prof. Dr. Roberto T. Hosokawa Prof. Dr. Nelson C. Rosot
CURITIBA 2013
Ficha catalográfica elaborada por Denis Uezu – CRB 1720/PR
Müller, Mauricio
Avaliação da influência da configuração de voo para aquisição de dados LIDAR na qualidade das variáveis florestais extraídas em florestas plantadas / Mauricio Müller. – 2013
177 f. : il.
Orientador: Prof. Dr. Nelson Y. Nakajima
Coorientadores: Profa Dra. Ana Paula B. Kersting ; Prof. Dr. Roberto T. Hosokawa; Prof. Dr. Nelson C. Rosot
Tese (doutorado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Engenharia Florestal. Defesa: Curitiba, 29/08/2013.
Área de concentração: Manejo Florestal.
1. Mapeamento florestal. 2. Radar ótico. 3. Levantamentos florestais. 4. Sensoriamento remoto. 5. Teses. I. Nakajima, Nelson Yoshihiro.II. Kersting, Ana Paula Baungarten. III. Hosokawa, Roberto Tuyoshi. IV. Rosot, Nelson Carlos. V. Universidade Federal do Paraná, Setor de Ciências Agrárias.VI. Título.
CDD – 634.9 CDU – 634.0.58
AGRADECIMENTOS
Gostaria de agradecer a todos que contribuíram no desenvolvimento desta tese, em especial:
Ao professor Nelson Nakajima pela orientação, paciência, persistência e ensinamentos transmitidos ao longo do desenvolvimento deste trabalho.
À co-orientadora Dra. Ana Paula Baungarten Kersting pela amizade, dedicação, paciência, conhecimento e orientação segura, fatos esses que possibilitaram a conclusão desse trabalho.
Aos professores Roberto Hosokawa e Nelson Rosot, também co-orientadores desse trabalho, pelo apoio e experiência transmitida.
Aos professores do Programa de Pós-Graduação em Engenharia Florestal.
Ao Instituto de Tecnologia para o Desenvolvimento - LACTEC pela oportunidade da realização do curso.
À todos os colegas e amigos do LACTEC, pelo apoio e paciência durante a elaboração desta tese.
À KLABIN S/A pelo fornecimento dos dados de campo e de inventário florestal. À FINEP através do convênio 21.01.0602.00 e a REDE PERLA, pelo apoio na coleta dos dados LIDAR.
Ao CNPq pelos subsídios para a importação, constantes da Lei 8010/90, LI 12/1885224-5; 12/1064273-7; 12/1846474-1; 12/1846472-5; 02/1005024-9.
“Não sabendo que era impossível, foi lá e fez!”
RESUMO
Nas últimas décadas, vários estudos têm sido realizados visando à utilização dos dados obtidos através da tecnologia LIDAR na obtenção de variáveis florestais. Embora os estudos indiquem alto potencial do LIDAR para aplicações florestais, o elevado custo associado dificulta a operacionalização da tecnologia no meio florestal. O custo de um levantamento LIDAR, como em outros tipos de levantamentos, é composto de custos fixos e variáveis. A parcela de custos variáveis, a qual pode ser otimizada, encontra-se associada, dentre outros fatores, ao número de horas de voo. O tempo de voo depende principalmente da configuração de voo utilizada no levantamento. Em trabalhos no Brasil, sempre uma mesma configuração de voo (altura e ângulo de varredura) tem sido adotada, a qual resulta em uma alta densidade de pontos. Este trabalho tem por objetivo analisar o impacto da utilização de diferentes parâmetros operacionais para diferentes espécies de florestas plantadas (Pinus e Eucalyptus), visando prover insumos para uma adequada análise custo-benefício. Para tanto é necessário avaliar a qualidade dos resultados obtidos para cada configuração adotada. Com esse intuito foram utilizadas duas abordagens para a obtenção de variáveis florestais a partir dos dados do LIDAR, denominadas neste trabalho de Abordagem em Nível de Parcela Amostral e Abordagem em Nível de Árvore Individual. Na Abordagem em Nível de Parcela Amostral, busca-se investigar se a utilização de determinada configuração conduz a um modelo no qual as variáveis independentes (dados extraídos do LIDAR) melhor expliquem a variável dependente (variável florestal) de interesse, isto é, que resultem em modelo com melhor qualidade de ajuste. Na Abordagem em Nível de Árvore Individual as diferentes configurações são avaliadas em termos do número de árvores automaticamente identificadas, altura individual e volume, tendo como referência os dados do inventário florestal. Os resultados experimentais demonstraram que na Abordagem em Nível de Parcela Amostral pode haver significativa variação na qualidade de ajuste dependendo da configuração utilizada e espécie investigada. Na Abordagem em Nível de Árvore Individual, os resultados demonstraram de uma maneira geral, que configurações que resultem em maior densidade de pontos conduzem a melhor desempenho. Os resultados também indicaram que para uma dada densidade de pontos deve-se dar preferência à configuração que utilize uma menor altura de voo
Palavras-Chave: LIDAR, Sensoriamento Remoto, Florestas Plantadas, Variáveis Florestais, Parâmetros Operacionais.
ABSTRACT
In the last decades, several studies have been conducted aiming at the extraction of forest variables from LIDAR data. Although such studies have indicated great potential, the high cost associated with the LIDAR data acquisition process inhibits the technology to become an operational technique for forestry applications. The cost of a LIDAR survey, as for any other data collection technique, is composed of fixed and variable costs. The variable portion, which can be optimized, is dependent, among other factors, on the number of flight hours. The flight time is mainly dependent on the flight configuration used for the survey. The research studies developed in Brasil have been always conducted using a same flight configuration (flying height and scan angle), which leads to a high density of points. The objective of this research work is to investigate the impact of using different operational parameters on different species of planted forests (Pinus e Eucalyptus), aiming at providing inputs for an adequate cost-benefit analysis. More specifically, the quality of the extracted forest variables from the LIDAR data collected using the different flight configurations is evaluated. For that purpose, two approaches are used, which are denoted in this research work as Area-Based Approach and Single-Tree Approach. In the Area-Based Approach, it is investigated whether the utilization of a particular flight configuration would lead to a model where the independent variables (data extracted from LIDAR data) better explain the dependent variable (forest variables) of interest. In the Single-Tree Approach, the different configurations are evaluated in terms of the number of individual trees automatically detected, individual height and volume, using the forest inventory as the reference data. The experimental results have shown that for the Area-Based Approach there might exist significant variation in the model adjustment quality, depending on the configuration used and the investigated species. For the Single-Tree Approach, the results demonstrate in general that the configurations leading to higher point densities result in better performance. The results have also indicated that for a given point density, preference should be given for the configuration based on a lower flying height.
Keywords: LIDAR, Remote Sensing, Planted Forest, Forest Mensuration, Operational Parameters.
LISTA DE FIGURAS
FIGURA 2.1 – PRINCÍPIO DE FUNCIONAMENTO E COMPONENTES BÁSICOS DE UM SISTEMA
... 28
FIGURA 2.2 – PARÂMETROS DE CONFIGURAÇÃO ENVOLVIDOS EM UM MAPEAMENTO UTILIZANDO SISTEMA LIDAR COM MECANISMO DE VARREDURA LINEAR ... 29
FIGURA 2.3 – DEFINIÇÕES UTILIZADAS PARA LINHA DE VARREDURA... 30
FIGURA 2.4 – MÚLTIPLOS RETORNOS NO CONE DE DIFRAÇÃO DO FEIXE LASER EMITIDO .. 32
FIGURA 2.5 – SISTEMAS DE COORDENADAS E GRANDEZAS ENVOLVIDAS NA EQUAÇÃO (MODELO GEOMÉTRICO) DO LIDAR ... 34
FIGURA 3.1 – LOCALIZAÇÃO DA ÁREA DE ESTUDO ... 48
FIGURA 3.2 – TALHÕES UTILIZADOS NO TRABALHO: (a) Pinus taeda (PLANTADO EM 2004) (b) Eucalyptus HÍBRIDO (PLANTADO EM 2006) (c) Pinus taeda (PLANTADO EM 1997) ... 49
FIGURA 3.3 – FAIXAS CORRESPONDENTES ÀS CONFIGURAÇÕES DE VOO INVESTIGADAS: I (a), II (b), III (c), IV (d), V (e), VI (f), VII (g), VIII (h) ... 54
FIGURA 3.4 – DIFERENTES DIREÇÕES DE VOO REALIZADAS NO TALHÃO C UTILIZANDO CONFIGURAÇÃO I: FAIXAS LONGITUDINAIS (a) FAIXAS TRANSVERSAIS (b) FAIXAS INCLINADAS (c) ... 55
FIGURA 3.5 – DIFERENTES DIREÇÕES DE VOO REALIZADAS NO TALHÃO B UTILIZANDO CONFIGURAÇÃO I: FAIXAS LONGITUDINAIS (a) FAIXAS TRANSVERSAIS (b) FAIXAS INCLINADAS (c) ... 56
FIGURA 3.6 – COLETA DE DADOS NAS PARCELAS: ESQUEMA DO LEVANTAMENTO DA PARCELA ... 58
FIGURA 3.7 – MEDIÇÃO DO CAP UTILIZANDO TRENA DE LONA ... 58
FIGURA 3.8 – TRENA LASER E HIPSÔMETRO UTILIZADOS ... 60
FIGURA 3.9 – PARCELAS INSTALADAS NOS TALHÕES A, B E C ... 62
FIGURA 3.10 – RECEPTOR GPS (a) E ESTAÇÃO TOTAL (b) UTILIZADOS NO LEVANTAMENTO TOPOGRÁFICO ... 67
FIGURA 3.11 – PARÂMETROS DE ITERAÇÃO DO MÉTODO DE DENSIFICAÇÃO PROGRESSIVA ... 69
FIGURA 3.12 – BASE CONCEITUAL DO PROCEDIMENTO DE CORRESPONDÊNCIA PONTO-PLANO UTILIZADO (ADAPTADO DE HABIB et al., 2010a) ... 72
FIGURA 3.13 – AJUSTAMENTO DE FAIXAS ... 73 FIGURA 3.14 – DISCREPÂNCIAS ENTRE O MDT GERADO E A INFORMAÇÃO DE CONTROLE . 74
FIGURA 3.15 – METODOLOGIA PARA EXTRAÇÃO DAS VARIÁVEIS INDEPENDENTES DA NUVEM DE PONTOS CLASSIFICADA DO LIDAR ... 78 FIGURA 3.16 – FILTRO PASSA-BAIXAS UTILIZADO ... 82 FIGURA 3.17 – METODOLOGIA PARA IDENTIFICAÇÃO DAS ÁRVORES A PARTIR DOS DADOS DO LIDAR ... 84 FIGURA 4.1 – MODELO DIGITAL (TIN) GERADO A PARTIR DOS PONTOS DO ÚLTIMO RETORNO E DOS PONTOS CLASSIFICADOS COMO DE TERRENO DA CONFIGURAÇÃO I PARA OS TALHÕES A (a), B (b) E C (c) ... 88 FIGURA 4.2 – MODELO DE ALTURA GERADO A PARTIR DE DADOS SEM PRESENÇA DE VENTO (a) DADOS LEVANTADOS COM PRESENÇA DE VENTO (b) NO TALHÃO B ... 95 FIGURA 4.3 – FAIXAS SOBREPOSTAS (a), MODELOS DE ALTURA GERADOS CONSIDERANDO SOBREPOSIÇÃO DE FAIXAS (b), MODELOS DE ALTURA GERADOS APÓS REMOÇÃO DA SOBREPOSIÇÃO DE FAIXAS (c) ... 96 FIGURA 4.4 – EIXO VERTICAL: VARIÁVEL DEPENDENTE VOLUME AO QUADRADO OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: VOLUME AO QUADRADO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO III (PADRONIZADO) ... 101 FIGURA 4.5 – EIXO VERTICAL: VOLUME AO QUADRADO RESÍDUAL (PADRONIZADO). EIXO HORIZONTAL: VOLUME AO QUADRADO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO III (PADRONIZADO) ... 101 FIGURA 4.6 – EIXO VERTICAL: VARIÁVEL DEPENDENTE INVERSO DO VOLUME OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: INVERSO DO VOLUME ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VII (PADRONIZADO).. 102 FIGURA 4.7 – EIXO VERTICAL: VOLUME AO QUADRADO RESÍDUAL (PADRONIZADO). EIXO HORIZONTAL: VOLUME AO QUADRADO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VII (PADRONIZADO) ... 102 FIGURA 4.8 – EIXO VERTICAL: VARIÁVEL DEPENDENTE INVERSO DO DIÂMETRO OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: INVERSO DO DIÂMETRO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO V (PADRONIZADO).... 106 FIGURA 4.9 – EIXO VERTICAL: INVERSO DO DIÂMETRO MÉDIO RESÍDUAL (PADRONIZADO). EIXO HORIZONTAL: INVERSO DO DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO V (PADRONIZADO) ... 106 FIGURA 4.10 – EIXO VERTICAL: VARIÁVEL DEPENDENTE INVERSO DO DIÂMETRO OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: INVERSO DO DIÂMETRO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VII (PADRONIZADO).. 107 FIGURA 4.11 – EIXO VERTICAL: INVERSO DO DIÂMETRO MÉDIO RESÍDUAL (PADRONIZADO). EIXO HORIZONTAL: INVERSO DO DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VII (PADRONIZADO) ... 107
FIGURA 4.12 – EIXO VERTICAL: VARIÁVEL DEPENDENTE QUADRADO DA ALTURA OBTIDA ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: QUADRADO DA ALTURA ESTIMADA PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO III (PADRONIZADO) ... 111 FIGURA 4.13 – EIXO VERTICAL: QUADRADO DA ALTURA RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: QUADRADO DA ALTURA ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO III (PADRONIZADO) ... 111 FIGURA 4.14 – EIXO VERTICAL: VARIÁVEL DEPENDENTE QUADRADO DA ALTURA OBTIDA ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: QUADRADO DA ALTURA ESTIMADA PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VII (PADRONIZADO) .. 112 FIGURA 4.15 – EIXO VERTICAL: QUADRADO DA ALTURA RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: QUADRADO DA ALTURA ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VII (PADRONIZADO) ... 112 FIGURA 4.16 – EIXO VERTICAL: VARIÁVEL DEPENDENTE VOLUME OBTIDA ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: VOLUME ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO I (PADRONIZADO)... 119 FIGURA 4.17 – EIXO VERTICAL: VOLUME RESIDUAL (PADRONIZADO). EIXO HORIZONTAL:
VOLUME ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO I
(PADRONIZADO) ... 120 FIGURA 4.18 – EIXO VERTICAL: VARIÁVEL DEPENDENTE VOLUME OBTIDA ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: VOLUME ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV (PADRONIZADO) ... 120 FIGURA 4.19 – EIXO VERTICAL: VOLUME RESIDUAL (PADRONIZADO). EIXO HORIZONTAL:
VOLUME ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV
(PADRONIZADO) ... 121 FIGURA 4.20 – EIXO VERTICAL: VARIÁVEL DEPENDENTE DIÂMETRO MÉDIO OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO I (PADRONIZADO) ... 127 FIGURA 4.21 – EIXO VERTICAL: DIÂMETRO MÉDIO RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO I (PADRONIZADO) ... 128 FIGURA 4.22 – EIXO VERTICAL: VARIÁVEL DEPENDENTE DIÂMETRO MÉDIO OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV (PADRONIZADO) ... 128 FIGURA 4.23 – EIXO VERTICAL: DIÂMETRO MÉDIO RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV (PADRONIZADO) ... 129 FIGURA 4.24 – EIXO VERTICAL: VARIÁVEL DEPENDENTE ALTURA MÉDIA OBTIDA ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: ALTURA MÉDIA ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV (PADRONIZADO) ... 135
FIGURA 4.25 – EIXO VERTICAL: ALTURA MÉDIA RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: ALTURA MÉDIA ESTIMADA PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV (PADRONIZADO) ... 135 FIGURA 4.26 – EIXO VERTICAL: VARIÁVEL DEPENDENTE RAIZ QUADRADA DO VOLUME OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: RAIZ QUADRADA DO
VOLUME ESTIMADA PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VI
(PADRONIZADO) ... 139 FIGURA 4.27 – EIXO VERTICAL: RAIZ QUADRADA DO VOLUME RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: RAIZ QUADRADA DO VOLUME ESTIMADA PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VI (PADRONIZADO) ... 139 FIGURA 4.28 – EIXO VERTICAL: VARIÁVEL DEPENDENTE DIÂMETRO MÉDIO OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VIII (PADRONIZADO) ... 143 FIGURA 4.29 – EIXO VERTICAL: DIÂMETRO MÉDIO RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: DIÂMETRO MÉDIO ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO VIII (PADRONIZADO) ... 143 FIGURA 4.30 – EIXO VERTICAL: VARIÁVEL DEPENDENTE ALTURA MÉDIA OBTIDO ATRAVÉS DOS DADOS DO INVENTÁRIO. EIXO HORIZONTAL: ALTURA MÉDIA ESTIMADA PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV (PADRONIZADO) ... 147 FIGURA 4.31 – EIXO VERTICAL: ALTURA MÉDIA RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: ALTURA MÉDIA ESTIMADO PELO MODELO AJUSTADO UTILIZANDO CONFIGURAÇÃO IV (PADRONIZADO) ... 147 FIGURA 4.32 – RESULTADOS DA ABORDAGEM EM NÍVEL DE ÁRVORE INDIVIDUAL PARA O TALHÃO A ... 151 FIGURA 4.33 – EIXO VERTICAL: VARIÁVEL DEPENDENTE ERRO VOLUME ABSOLUTO (%) OBTIDO ATRAVÉS DOS EXPERIMENTOS REALIZADOS. EIXO HORIZONTAL: ERRO VOLUME ABSOLUTO (PADRONIZADO) ESTIMADO PELO MODELO AJUSTADO ... 152 FIGURA 4.34 – EIXO VERTICAL: ERRO VOLUME RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: ERRO VOLUME ABSOLUTO (PADRONIZADO) ESTIMADO PELO MODELO AJUSTADO ... 152 FIGURA 4.35 – ÁRVORES NÃO DETECTADAS NA PARCELA 24 DO TALHÃO B ... 154 FIGURA 4.36 – RESULTADOS DA ABORDAGEM EM NÍVEL DE ÁRVORE INDIVIDUAL PARA O TALHÃO B ... 156 FIGURA 4.37 – EIXO VERTICAL: VARIÁVEL DEPENDENTE ERRO VOLUME ABSOLUTO (%) OBTIDO ATRAVÉS DOS EXPERIMENTOS REALIZADOS. EIXO HORIZONTAL: ERRO VOLUME ABSOLUTO (PADRONIZADO) ESTIMADO PELO MODELO AJUSTADO ... 157 FIGURA 4.38 – EIXO VERTICAL: ERRO VOLUME RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: ERRO VOLUME ABSOLUTO (PADRONIZADO) ESTIMADO PELO MODELO AJUSTADO ... 157
FIGURA 4.39 – RESULTADOS DA ABORDAGEM EM NÍVEL DE ÁRVORE INDIVIDUAL PARA O TALHÃO C ... 159 FIGURA 4.40 – EIXO VERTICAL: VARIÁVEL DEPENDENTE ERRO VOLUME ABSOLUTO (%) OBTIDO ATRAVÉS DOS EXPERIMENTOS REALIZADOS. EIXO HORIZONTAL: ERRO VOLUME ABSOLUTO (PADRONIZADO) ESTIMADO PELO MODELO AJUSTADO ... 160 FIGURA 4.41 – EIXO VERTICAL: ERRO VOLUME RESIDUAL (PADRONIZADO). EIXO HORIZONTAL: ERRO VOLUME ABSOLUTO (PADRONIZADO) ESTIMADO PELO MODELO AJUSTADO ... 160 FIGURA 4.42 - ACERTO (%) IDENTIFICAÇÃO AUTOMÁTICA DE ÁRVORES PARA OS TALHÕES A, B E C ... 162 FIGURA 4.43 – REMQ (%) ALTURA INDIVIDUAL PARA OS TALHÕES A, B E C ... 162 FIGURA 4.44 – ERRO (%) VOLUME PARA OS TALHÕES A, B E C... 163
LISTA DE TABELAS
TABELA 3.1 – CARACTERIZAÇÃO DOS TALHÕES... 51
TABELA 3.2 – ESPECIFICAÇÕES DO SISTEMA ALTM 2050 ... 52
TABELA 3.3 – CONFIGURAÇÕES INVESTIGADAS ... 53
TABELA 3.4 – NÚMERO DE FAIXAS E TEMPO DE VOO ASSOCIADOS ÀS CONFIGURAÇÕES INVESTIGADAS ... 53
TABELA 3.5 – CÓDIGOS DE QUALIDADE E SANIDADE ATRIBUÍDOS PARA CADA ÁRVORE DA PARCELA AMOSTRAL ... 59
TABELA 3.6 – COEFICIENTES DAS EQUACÕES HIPSOMÉTRICAS ... 60
TABELA 3.7 – COEFICIENTES DAS EQUACÕES BIOMÉTRICAS ... 61
TABELA 3.8 – INVENTÁRIO Pinus taeda (2004) ... 63
TABELA 3.9 – INVENTÁRIO Eucalyptus HÍBRIDO (2006) ... 64
TABELA 3.10 – INVENTÁRIO Pinus Taeda (1997) ... 65
TABELA 3.11 – VARIÁVEIS FLORESTAIS PROVENIENTES DO INVENTÁRIO FLORESTAL PARA FINS DE CONSTRUÇÃO DOS MODELOS (VARIÁVEIS DEPENDENTES) ... 76
TABELA 3.12 – DADOS EXTRAÍDOS DA NUVEM DE PONTOS DO LIDAR (VARIÁVEIS INDEPENDENTES) E SUAS TRANSFORMADAS ... 77
TABELA 4.1 – DENSIDADE DE PONTOS DE TERRENO ... 87
TABELA 4.2 – AJUSTAMENTO DE FAIXAS - PARÂMETROS DE TRANSFORMAÇÃO (DISCREPÂNCIAS) ENTRE A FAIXA DE REFERÊNCIA E AS DEMAIS FAIXAS DO TALHÃO A PARA CADA UMA DAS CONFIGURAÇÕES INVESTIGADAS ... 90
TABELA 4.3 – AJUSTAMENTO DE FAIXAS - PARÂMETROS DE TRANSFORMAÇÃO (DISCREPÂNCIAS) ENTRE A FAIXA DE REFERÊNCIA E AS DEMAIS FAIXAS DO TALHÃO B PARA CADA UMA DAS CONFIGURAÇÕES INVESTIGADAS ... 91
TABELA 4.4 – AJUSTAMENTO DE FAIXAS - PARÂMETROS DE TRANSFORMAÇÃO (DISCREPÂNCIAS) ENTRE A FAIXA DE REFERÊNCIA E AS DEMAIS FAIXAS DO TALHÃO C PARA CADA UMA DAS CONFIGURAÇÕES INVESTIGADAS ... 92
TABELA 4.5 – PARÂMETROS DE TRANSFORMAÇÃO (DISCREPÂNCIAS) ENTRE OS DADOS DO LIDAR (AJUSTADOS) E A INFORMAÇÃO DE CONTROLE PARA O TALHÃO A ... 93
TABELA 4.6 – PARÂMETROS DE TRANSFORMAÇÃO (DISCREPÂNCIAS) ENTRE OS DADOS DO LIDAR (AJUSTADOS) E A INFORMAÇÃO DE CONTROLE PARA O TALHÃO B ... 93
TABELA 4.7 – PARÂMETROS DE TRANSFORMAÇÃO (DISCREPÂNCIAS) ENTRE OS DADOS DO LIDAR (AJUSTADOS) E A INFORMAÇÃO DE CONTROLE PARA O TALHÃO C ... 93
TABELA 4.8 – EXATIDÃO DOS MODELOS DIGITAIS DE TERRENO GERADOS PARA AS DIFERENTES CONFIGURAÇÕES E TALHÕES ... 94 TABELA 4.9 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE VOLUME/HA ... 98 TABELA 4.10 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DO VOLUME/HA ... 98 TABELA 4.11 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE RAIZ QUADRADO DO VOLUME/HA ... 99 TABELA 4.12 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE LOGARITMO DO VOLUME/HA ... 99 TABELA 4.13 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DO VOLUME/HA ... 100 TABELA 4.14 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O DIÂMETRO MÉDIO ... 103 TABELA 4.15 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DO DIÂMETRO MÉDIO ... 104 TABELA 4.16 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A, UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADA DO DIÂMETRO MÉDIO ... 104 TABELA 4.17 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A, UTILIZANDO COMO VARIÁVEL DEPENDENTE A LOGARITMO DO DIÂMETRO MÉDIO ... 104 TABELA 4.18 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A, UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DO DIÂMETRO MÉDIO ... 105 TABELA 4.19 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O ALTURA MÉDIA ... 108 TABELA 4.20 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DA ALTURA MÉDIA ... 109
TABELA 4.21 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADA DA ALTURA MÉDIA ... 109 TABELA 4.22 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O LOGARITMO DA ALTURA MÉDIA... 109 TABELA 4.23 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO A UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DA ALTURA MÉDIA ... 110 TABELA 4.24 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE VOLUME/HA ... 114 TABELA 4.25 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DO VOLUME/HA ... 115 TABELA 4.26 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADA DO VOLUME/HA ... 116 TABELA 4.27 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O LOGARITMO DO VOLUME/HA ... 117 TABELA 4.28 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DO VOLUME/HA ... 118 TABELA 4.29 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O DIÂMETRO MÉDIO ... 122 TABELA 4.30 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DO DIÂMETRO MÉDIO ... 123 TABELA 4.31 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADA DO DIÂMETRO MÉDIO ... 124 TABELA 4.32 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O LOGARITMO DO DIÂMETRO MÉDIO ... 125 TABELA 4.33 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DO DIÂMETRO MÉDIO ... 126
TABELA 4.34 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE A ALTURA MÉDIA ... 130 TABELA 4.35 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DA ALTURA MÉDIA ... 131 TABELA 4.36 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADA DA ALTURA MÉDIA ... 132 TABELA 4.37 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O LOGARITMO DA ALTURA MÉDIA... 133 TABELA 4.38 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO B UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DA ALTURA MÉDIA ... 134 TABELA 4.39 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O VOLUME/HA ... 136 TABELA 4.40 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DO VOLUME/HA ... 137 TABELA 4.41 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADO DO VOLUME/HA... 137 TABELA 4.42 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O LOGARITMO DO VOLUME/HA ... 138 TABELA 4.43 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DO VOLUME/HA ... 138 TABELA 4.44 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O DIÂMETRO MÉDIO ... 140 TABELA 4.45 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DO DIÂMETRO MÉDIO ... 141 TABELA 4.46 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADA DO DIÂMETRO MÉDIO ... 141
TABELA 4.47 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O LOGARITMO DO DIÂMETRO MÉDIO ... 142 TABELA 4.48 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DO DIÂMETRO MÉDIO ... 142 TABELA 4.49 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE A ALTURA MÉDIA ... 144 TABELA 4.50 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O QUADRADO DA ALTURA MÉDIA ... 145 TABELA 4.51 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE A RAIZ QUADRADA DA ALTURA MÉDIA ... 145 TABELA 4.52 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O LOGARITMO DA ALTURA MÉDIA... 145 TABELA 4.53 – MODELOS AJUSTADOS E SEUS RESPECTIVOS R, R2
, R2(AJUSTADO) PARA AS DIFERENTES CONFIGURAÇÕES DE VOO PARA O TALHÃO C UTILIZANDO COMO VARIÁVEL DEPENDENTE O INVERSO DA ALTURA MÉDIA ... 146 TABELA 4.54 – REMQ (%) DAS VARIÁVEIS COMPUTADAS COM DADOS DA CONFIGURAÇÃO I DIREÇÕES INCLINADA E TRANSVERSAL UTILIZANDO EQUAÇÕES AJUSTADAS A PARTIR DOS DADOS DA CONFIGURAÇÃO I DIREÇÃO LONGITUDINAL ... 149 TABELA 4.55 – RESULTADOS DA ABORDAGEM EM NÍVEL DE ÁRVORE INDIVIDUAL PARA O TALHÃO A ... 150 TABELA 4.56 – VALORES DE R, R2, R2(AJUSTADO) E SXY PARA O MODELO AJUSTADO RELACIONANDO O ERRO ABSOLUTO NO VOLUME E AS VARIÁVEIS DENSIDADE DE PONTOS, ALTURA DE VOO E ÂNGULO DE ABERTURA ... 151 TABELA 4.57 – RESULTADOS DA IDENTIFICAÇÃO AUTOMÁTICA DE ÁRVORES PARA O TALHÃO B UTILIZANDO DADOS DA CONFIGURAÇÃO I ... 153 TABELA 4.58 – RESULTADOS DA ABORDAGEM EM NÍVEL DE ÁRVORE INDIVIDUAL PARA O TALHÃO B ... 155 TABELA 4.59 VALORES DE R, R2, R2(AJUSTADO) E SXY PARA O MODELO AJUSTADO RELACIONANDO O ERRO ABSOLUTO NO VOLUME E AS VARIÁVEIS DENSIDADE DE PONTOS, ALTURA DE VOO E ÂNGULO DE ABERTURA ... 156 TABELA 4.60 – RESULTADOS DA ABORDAGEM EM NÍVEL DE ÁRVORE INDIVIDUAL PARA O TALHÃO C ... 158
TABELA 4.61. VALORES DE R, R2, R2(AJUSTADO) E SXY PARA O MODELO AJUSTADO RELACIONANDO O ERRO ABSOLUTO NO VOLUME E AS VARIÁVEIS DENSIDADE DE PONTOS, ALTURA DE VOO E ÂNGULO DE ABERTURA. ... 159 TABELA 4.62 – RESUMO RESULTADOS ABORDAGEM DE ÁRVORE INDIVIDUAL UTILIZANDO DIFERENTES DIREÇÕES DE VOO ... 164
SUMÁRIO
1 INTRODUÇÃO ... 20
1.1 OBJETIVOS ... 24
1.1.1 Objetivo Geral ... 24
1.1.2 Objetivos Específicos ... 25
1.2 ESTRUTURA DO TRABALHO DE PESQUISA ... 26
2 REVISÃODELITERATURA ... 27
2.1 SISTEMAS LIDAR AEROTRANSPORTADOS ... 27
2.1.1 Introdução ... 27
2.1.2 Parâmetros de Configuração... 28
2.1.3 Modelo Geométrico ... 32
2.1.4 Classificação dos Dados – Geração de Modelos Digitais de Terreno ... 34
2.2 TRABALHOS COM LIDAR EM APLICAÇÕES FLORESTAIS ... 36
2.2.1 Histórico do uso de LIDAR em aplicações florestais ... 36
2.2.2 Uso de LIDAR em aplicações florestais no Brasil ... 41
2.3 IMPACTO DA CONFIGURAÇÃO DE VOO NA DETERMINAÇÃO DE VARIÁVEIS FLORESTAIS ... 44 3 MATERIAIS E MÉTODOS ... 48 3.1 ÁREA DE ESTUDO ... 48 3.1.1 Localização ... 48 3.1.2 Meio Físico ... 49 3.1.3 Meio Biótico ... 51
3.1.4 Caracterização dos Talhões ... 51
3.2 METODOLOGIA ... 52
3.2.1 Obtenção dos Dados... 52
3.2.1.1 Dados do LIDAR ... 52
3.2.1.2 Dados de Campo ... 57
3.2.1.2.1 Inventário Florestal ... 57
3.2.1.2.2 Levantamento Topográfico ... 66
3.2.2 Classificação dos Dados do LIDAR... 68
3.2.3 Avaliação da Exatidão dos Modelos Digitais de Terreno Obtidos a Partir dos Dados do LIDAR ... 69
3.2.3.1 Ajustamento de Faixas... 70
3.2.3.2 Avaliação da Exatidão dos Modelos Digitais de Terreno ... 74
3.2.4 Obtenção de Variáveis Florestais ... 74
3.2.4.1 Abordagem em Nível de Parcela Amostral ... 75
3.2.4.2 Abordagem em Nível de Árvore Individual ... 81
4 RESULTADOS E DISCUSSÕES ... 87
4.1 OBTENÇÃO DOS MODELOS DIGITAIS DE TERRENO ... 87
4.2 AVALIAÇÃO DA EXATIDÃO DOS MODELOS DIGITAIS DE TERRENO ... 89
4.2.1 Ajustamento das Faixas ... 89
4.2.2 Avaliação da Exatidão dos Modelos Digitais de Terreno ... 92
4.3 OBTENÇÃO DAS VARIÁVEIS FLORESTAIS ... 94
4.3.1 Abordagem em Nível de Parcela Amostral ... 97
4.3.1.1 Resultados Talhão A (Pinus taeda – 2004) ... 97
4.3.1.2 Resultados Talhão B (Eucalyptus Híbrido – 2006) ... 112
4.3.1.3 Resultados Talhão C (Pinus taeda – 1997) ... 136
4.3.1.4 Análise do Impacto da Direção das Linhas de Voo ... 147
4.3.2 Abordagem em Nível de Árvore Individual ... 149
4.3.2.1 Resultados Talhão A (Pinus taeda – 2004) ... 149
4.3.2.2 Resultados Talhão B (Eucalyptus Híbrido – 2006) ... 153
4.3.2.3 Resultados Talhão C (Pinus taeda – 1997) ... 158
4.3.2.4 Discussão Resultados Abordagem Árvore Individual ... 161
4.3.2.5 Análise do Impacto da Direção das Linhas de Voo ... 163
5 CONCLUSÕES E RECOMENDAÇÕES ... 165
5.1 CONCLUSÕES ... 165
5.2 RECOMENDAÇÕES ... 169
1 INTRODUÇÃO
O setor florestal brasileiro, mais especificamente, o de florestas plantadas, apresenta números maiúsculos e expressivos. Segundo a Associação Brasileira de Produtores de Florestas Plantadas – ABRAF, o setor totalizou um valor bruto de produção de R$ 56,3 bilhões, exportando US$ 4,7 bilhões e sendo responsável por 28,1% do saldo da balança comercial brasileira no ano de 2012 (ABRAF, 2013).
Em 2011 a área de florestas plantadas chegou a 7.005.125 ha, sendo que se destacam os plantios florestais de Eucalyptus e Pinus com áreas de 4.873.952 ha e 1.641.892 ha respectivamente, correspondendo a 69,6% e 23,4% da área total. Resulta clara a importância dessas duas espécies que juntas representam 93% da área plantada. O restante está ocupado por espécies como Acácia, Seringueira, Paricá, Teca, Araucária e Populus, etc. (ABRAF, 2012).
A distribuição geográfica dessas florestas indica que o Eucalyptus está presente em todas as regiões brasileiras, sendo que a região sudeste concentra 54,2% da área plantada, com destaque para os estados de Minas Gerais e São Paulo. Já as áreas plantadas com Pinus estão concentradas principalmente na região sul com 83% do total da área plantada, devido principalmente às condições edafoclimáticas e à localização dos principais centros processadores, principalmente no Paraná (40%) e em Santa Catarina (33%) (ABRAF, 2012).
Por estarem inseridas em um mercado global, com os preços internacionais balizando o mercado, as empresas florestais precisam ser competitivas para se manter e crescer em participação de mercado. Para tanto, investem continuamente em pesquisa, desenvolvimento, inovação e utilização de novas tecnologias, em todo o ciclo de produção, ou seja, no planejamento, no cultivo de mudas onde o uso de clones e espécies de 2ª geração já são realidade, nas técnicas de plantio, nos estudos de inventário, na colheita e no processamento.
As geotecnologias não ficam ausentes desse cenário. Como a principal matéria prima da indústria florestal é obtida em extensas áreas geográficas, a disseminação do uso de programas de tratamento de dados cartográficos sendo eles do tipo CAD (Computer Aided Design) ou GIS (Geographic Information System) foi muito rápida. A popularização dos receptores do tipo GPS também impulsionou a coleta de dados de precisão. Outra área de conhecimento que vem tendo grande expansão é a do sensoriamento remoto. Hoje já faz parte do dia a dia do cidadão
comum o uso de imagens provenientes de satélites e outros sensores imageadores. O uso mais sofisticado desses sensores se dá em aplicações ambientais e de engenharia. As opções disponíveis são muitas. Desde câmeras digitais portáteis, passando pelas câmaras aerofotogramétricas digitais, sensores multiespectrais, e sensores equipados com tecnologia RADAR (Radio Detection and Ranging) e LIDAR (Light Detection and Ranging). Essa última, quando operada em plataformas de baixa órbita, isto é, em aeronaves, provê dados tridimensionais em quantidade e precisão nunca vistas.
Já na década de 80, ainda com a utilização dos primeiros e rudimentares equipamentos LIDAR, do tipo perfil “profile”, isto é, sem escaneamento, estudos já mostravam que as aplicações florestais eram as que apresentavam resultados mais promissores e que seriam beneficiadas de imediato com a nova tecnologia. Com o advento dos equipamentos com a tecnologia de escaneamento, integração com GPS e sensores inerciais na década de 90, o número de aplicações aumentou, sendo aprimoradas técnicas para extração de informações florestais como alturas de árvores e diâmetro de copas, densidade, estratificação, estimativa de biomassa, etc, auxiliando nos levantamentos de inventários florestais.
Hoje a tecnologia LIDAR já é de uso frequente em diversas áreas da engenharia, e com os novos desenvolvimentos tecnológicos vem avançando e superando tecnologias tradicionais de sensoriamento como a da Fotogrametria. Baltsavias (1999a) faz uma comparação detalhada entre as técnicas e características da Fotogrametria e do LIDAR, apresentando as diferenças, vantagens e desvantagens em cada técnica, não deixando de citar as aplicações florestais como uma das que mais se beneficia da tecnologia. Conclui ainda que o LIDAR tem vantagem sobre a fotogrametria nas seguintes aplicações:
Mapeamento de florestas e áreas cobertas por vegetação: geração de modelos digitais de terreno, estratificação da vegetação, extração de parâmetros biofísicos, estimativas de volume e biomassa, quantificação de carbono;
Mapeamento de superfícies com baixa diferenciação de texturas (gelo, areia, neve, pântanos);
Mapeamento de corredores: rodovias (planejamento e projeto), linhas de transmissão (planejamento, projeto, georreferenciamento de torres, e estudos de recapacitação), linhas costeiras, rios e dutos;
Geração de modelos digitais para regiões urbanas: determinação das alturas das edificações, planejamento de localização de antenas para telecomunicações;
Mapeamento de áreas inundáveis: geração de modelos digitais de terreno como parâmetros de entrada para modelos de propagação de cheias e estudos de enchente, identificação de infraestrutura e áreas de risco, planos de contingência;
Identificação e mapeamento de objetos de dimensões reduzidas, como cabos de linhas de transmissão.
Ackermann (1999), um respeitado pesquisador na área de fotogrametria da Universidade de Sttutgart, Alemanha, cita a revolução que os equipamentos LIDAR estão fazendo no setor de geotecnologias, principalmente em uso conjunto com outras fontes como a aerofotogrametria. Menciona também que o principal motivo para o grupo de pesquisadores da Universidade de Sttutgart se dedicarem ao estudo dessa tecnologia emergente é a possibilidade de se mapear topos de árvores e solo, gerando assim modelos de altura de vegetação.
No Brasil, os primeiros equipamentos LIDAR foram introduzidos comercialmente entre os anos de 2001 e 2002. Desde então, estudos científicos vem comprovando a aplicação de tecnologia LIDAR para o setor florestal em aplicações de inventário, planejamento, e gerenciamento de áreas plantadas.
Entretanto, apesar dos resultados positivos, a tecnologia não é usada de maneira frequente em aplicações de larga escala. Isso se deve, principalmente, ao custo de toda operação que compreende: voo, processamento e geração de produtos finais.
Infelizmente, algumas empresas ainda trabalham de maneira departamental, isto é, cada área opta por contratar a aquisição de dados conforme sua necessidade. É comum que determinada área opte por adquirir imagens de satélite para atividades de planejamento, e que outra área contrate ortofotocartas para estudos de meio ambiente, de desapropriação, e implantação de novas áreas de
plantio. Os custos que poderiam ser otimizados acabam sendo duplicados e consequentemente excessivos. Esta não é uma característica somente das empresas brasileiras. Carson et al. (2004), relata esse mesmo tipo de atitude em empresas florestais pesquisadas no Canadá, Suécia, Noruega, Áustria, Reino Unido, Austrália, Finlândia, Alemanha e Noruega, onde segundo o autor, as empresas não tiram proveito total das potencialidades de mapeamentos com essa tecnologia. Por exemplo, em um levantamento com LIDAR, é possível gerar mapas de declividade, definição de áreas sujeitas a erosão, definição de drenagem, base cartográfica para projeto de estradas rurais e de novas plantações, definição de micro bacias, base para cálculos hidrológicos, e base de estimativas de grandezas florestais (altura, diâmetro de copa), e cálculo de inventário. Assim sendo, a partir de um único levantamento de dados, diferentes áreas da empresa podem ser beneficiadas.
Ainda no trabalho de Carson et al. (2004), é relatado que o custo de levantamentos de campo em áreas de reflorestamento homogêneas, que necessitam de poucas parcelas de medição, é bem inferior ao do levantamento com LIDAR. Essa mesma conclusão é observada nas condições brasileiras e portanto referenda a necessidade de otimização da configuração de voo visando a redução dos custos variáveis, principalmente quanto ao número de horas de voo, que responde pela maior parcela desses custos.
O custo de um levantamento LIDAR, como em outros produtos de geotecnologia, é baseado em custos fixos e variáveis. No quesito custos fixos estão a depreciação dos equipamentos (Avião, LASER, GPS), seguros, entre outros. Na parcela custos variáveis encontram-se o número de horas de voo e de LASER, diárias de operadores de campo, deslocamento, entre outros.
É fato que a tecnologia não é barata, e que a sua operacionalização envolve o uso de aeronaves homologadas e licenciadas para tal finalidade, mercado esse reconhecido pelos altos preços praticados. Entretanto, ainda existe a falta de uma análise mais criteriosa da configuração mais adequada para determinado projeto. As alternativas possíveis através de ajustes de parâmetros na etapa de aquisição de dados (altura de voo, ângulo de varredura do sensor, direção de voo) podem mostrar ganhos que até hoje são desconhecidos.
Outra constatação é a de que a imensa maioria dos trabalhos publicados trata de dados de florestas de outros países e utiliza basicamente uma única
configuração de aquisição de dados, normalmente optando por uma configuração com baixa altura de voo (<1.000m) e pequeno ângulo de varredura, buscando assim obter uma alta densidade de pontos.
Em casos brasileiros, a configuração adotada na totalidade dos trabalhos analisados é a definida em LACTEC (2003a), sendo a altura de voo de 1.000 m e o ângulo de varredura de 7,5o. Essa configuração foi utilizada em um primeiro projeto demonstrativo da tecnologia, e utilizou como base referências de trabalhos realizados no exterior.
Após esse trabalho, vários outros foram desenvolvidos no Brasil. Voos foram realizados equipados com diferentes equipamentos, mas basicamente com as configurações de LACTEC (2003a).
Muitos destes trabalhos foram de avaliação da viabilidade do uso dos dados LIDAR em florestas plantadas, sendo em sua maioria voltados a extração de grandezas de interesse florestal como altura, número de indivíduos, volume e biomassa. Esses resultados foram comparados com resultados de campo e considerados satisfatórios, indicando que a tecnologia poderia ser aplicada em casos rotineiros. Chama a atenção que em muitos dos trabalhos, o levantamento tradicional em campo foi meticulosamente planejado, com a intensificação dos trabalhos muito além dos usuais, utilizando maior número de parcelas por talhão, medição de alturas de árvores muito acima do padrão recomendado, e limpeza de talhões antes das medições, ou seja, com condições controladas, próximas ao ideal, mas longe da realidade do dia a dia. É perfeitamente compreensível esse procedimento dado os objetivos dos trabalhos. Porém, também é necessário pesquisas considerando a realidade das empresas brasileiras no tocante aos tratamentos silviculturais e aos procedimentos de trabalho de campo de inventário.
1.1 OBJETIVOS
Analisar a influência da utilização de diferentes configurações de voo para a aquisição de dados LIDAR na qualidade das variáveis extraídas de florestas plantadas, provendo desta forma, insumos para uma adequada análise custo-benefício, considerando de maneira independente as duas espécies mais plantadas no Brasil (Eucalyptus e Pinus) na realidade das empresas florestais brasileiras.
1.1.2 Objetivos Específicos
Analisar a influência da utilização de diferentes configurações de voo para a aquisição de dados LIDAR na qualidade dos modelos digitais de terreno derivados.
Investigar a influência da configuração de voo utilizada na obtenção de variáveis florestais utilizando a Abordagem em Nível de Parcela Amostral, mais especificamente, investigar se a utilização de determinada configuração conduz a um modelo no qual as variáveis independentes melhor expliquem a variável florestal de interesse (modelo com melhor qualidade de ajuste) para diferentes espécies de floresta plantada (Eucalyptus e Pinus).
Investigar a influência da direção de voo utilizada na obtenção de variáveis florestais utilizando a Abordagem em Nível de Parcela Amostral.
Investigar a influência da configuração de voo utilizada na obtenção de variáveis florestais utilizando a Abordagem em Nível de Árvore Individual, mais especificamente, avaliar as diferentes configurações em termos do número de árvores automaticamente identificadas, altura individual e volume, tendo como referência os dados do inventário.
Investigar a influência da direção de voo utilizada na obtenção de variáveis florestais utilizando a Abordagem em Nível de Árvore Individual.
Construir/ajustar modelos relacionando o erro absoluto percentual em volume como variável dependente com as variáveis independentes, tais como: densidade média de pontos, altura de voo e ângulo de abertura.
1.2 ESTRUTURA DO TRABALHO DE PESQUISA
A presente pesquisa está estruturada em 6 capítulos, incluindo-se a Introdução, além das referências bibliográficas.
O capítulo 2, Revisão Bibliográfica, apresenta a tecnologia LIDAR, seus fundamentos, componentes, parâmetros de configuração, e modelo geométrico. Na sequência apresenta-se o panorama dos estudos internacionais e nacionais, versando sobre a aplicação de LIDAR em florestas, ao longo das últimas 3 décadas, enfatizando suas conclusões e destacando a fonte de dados utilizados, principalmente quanto à configuração adotada. Também é apresentada uma revisão de trabalhos que tratam dos impactos de diferentes configurações nos resultados.
O capítulo 3, Materiais e Métodos, é dedicado principalmente à apresentação e discussão dos métodos que serão utilizados para consecução dos objetivos propostos. Na seção relativa à área de estudo é feita a sua caracterização considerando os meios físico e biótico. Na sequência são descritos os procedimentos de coleta de dados, sendo eles em campo (variáveis dendrométricas) e em voo (LIDAR). Também são apresentadas as técnicas de classificação de dados LIDAR, de avaliação de acurácia/precisão dos modelos digitais de terreno a partir de dados LIDAR. Por fim são apresentadas as duas metodologias para obtenção das variáveis florestais: Abordagem em Nível de Parcela Amostral e Abordagem em Nível de Árvore Individual.
O capítulo 4, Resultados e Discussões, apresenta os resultados obtidos pela aplicação das metodologias descritas, permitindo a comparação entre as diversas configurações de aquisição. Também são comentados estes resultados.
O capítulo 5, Conclusões e Recomendações, apresenta as principais conclusões bem como as recomendações para realização de estudos futuros dentro desta linha de pesquisa, indicando futuras investigações que podem partir da presente pesquisa.
Por último, no item Referências, são apresentadas as referências bibliográficas consultadas para a elaboração dessa pesquisa.
2 REVISÃODELITERATURA
2.1 SISTEMAS LIDAR AEROTRANSPORTADOS
2.1.1 Introdução
Os sistemas aerotransportados de varredura a LASER, internacionalmente conhecidos como LIDAR (Light Detection And Ranging) ou ALS (Airborne LASER Scanner) – termos esses que serão utilizados indistintamente neste documento, são sistemas de sensoriamento remoto ativo que se utilizam da tecnologia LASER (Light Amplification by Stimulated Emission of Radiation) para obtenção das coordenadas tridimensionais de uma grande quantidade de pontos mapeados na superfície do terreno de forma direta. O princípio básico de operação de tais sistemas consiste na medição da distância entre o sensor e o ponto mapeado no terreno. O georreferenciamento do ponto mapeado é possibilitado pelo sistema de posicionamento e orientação composto de um sistema de navegação inercial (INS – Inertial Navigation System) integrado a um sistema de posicionamento global (GNSS – Global Navigation Satellite Systems). O sistema GPS (Global Position System) é um dos sistemas GNSS existentes. A determinação da distância sensor-obstáculo pode ser realizada através de sistemas LASER de onda contínua (CW - Continuous Wave) ou sistemas LASER pulsados. Nos sistemas de onda contínua, a distância é determinada através da medição da diferença de fase entre o sinal transmitido e o sinal recebido. Tais sistemas LASER são geralmente utilizados em LIDAR terrestres, os quais objetivam a medição de distâncias relativamente curtas. A grande maioria dos sistemas LIDAR aerotransportados disponíveis comercialmente utilizam-se de LASER pulsado que provêm pulsos estreitos com alta potência sob alta taxa de repetição. Em tais sistemas, a determinação da distância é baseada no tempo de percurso (t), isto é, tempo entre a emissão e a recepção do pulso LASER (Figura 2.1). O comprimento de onda é fixo para um dado LASER, o qual para aplicações topográficas é geralmente do tipo Nd:YAG (Neodymium:Yttrium-Aluminum-Garnet), operando tipicamente na região do infravermelho próximo no comprimento de onda de 1.064 nm.
FIGURA 2.1 – PRINCÍPIO DE FUNCIONAMENTO E COMPONENTES BÁSICOS DE UM SISTEMA LIDAR
FONTE: ADAPTADO KERSTING (2011)
Para a coleta de uma faixa de dados, os equipamentos LIDAR utilizam-se de mecanismos de varredura. Dentre os mecanismos utilizados têm-se os polígonos de rotação, varredura Palmer e espelhos oscilantes (WEHR e LOHR, 1999). Os espelhos oscilantes, que abrangem a grande maioria dos equipamentos existentes, produzem um padrão de varredura linear em zig-zag (Figura 2.1). Neste item, será dado enfoque a sistemas que se utilizam de mecanismos de varredura linear, uma vez que o equipamento utilizado nesta pesquisa possui esta característica.
2.1.2 Parâmetros de Configuração
A qualidade da informação derivada a partir de um sistema LIDAR, bem como o custo do levantamento depende de um conjunto de parâmetros que podem ser configurados no planejamento da missão e/ou pelo operador do sistema. Estes parâmetros incluem: (i) altura de voo , (ii) ângulo de varredura , (iii) velocidade da aeronave , (v) frequência de repetição do pulso LASER , (v) frequência de varredura , e (vi) divergência do feixe . A partir destes, outros parâmetros são definidos como: (i) largura da faixa , (ii) espaçamento dos pontos ao longo da direção de voo , (iii) espaçamento dos pontos na direção
GPS Base Z Y X GPS Y Z X INS Unidade Laser 2 t c percurso de tempo luz da e velocidad (alcance) distância t c
perpendicular à direção de voo , (iv) densidade de pontos (pontos por metro quadrado – ppm2), (v) diâmetro do feixe no terreno (footprint) . A Figura 2.2 ilustra alguns desses parâmetros.
FIGURA 2.2 – PARÂMETROS DE CONFIGURAÇÃO ENVOLVIDOS EM UM MAPEAMENTO UTILIZANDO SISTEMA LIDAR COM MECANISMO DE VARREDURA LINEAR
A altura de voo e o ângulo de varredura exercem grande influência não somente na densidade de pontos coletada como no custo do levantamento. A largura da faixa ( ) é definida a partir desses parâmetros, conforme expressa a Equação 2.1. Quanto menor a largura da faixa resultante (através da redução da altura de voo e/ou do ângulo de varredura), maior a densidade de pontos coletada. Neste caso, maior será o número de faixas necessárias para recobrimento da área de estudo e, portanto, maior o custo do levantamento.
A frequência de repetição do pulso expressa o número de pulsos que são emitidos por segundo. Este parâmetro é o principal definidor da eficiência de um dado equipamento. Os sistemas são sempre configurados para operar na sua máxima frequência de repetição. Os atuais sistemas atingem até 500 kHz.
(2.1)
A frequência de varredura ( ) define o número de linhas de varredura que são coletadas por segundo. É importante mencionar que a definição de linha de varredura varia de um sistema para outro (BALTSAVIAS, 1999b). Uma primeira
β (- β; + β) D • H: Altura de Voo • L: Largura da Faixa • β : Ângulo de Varredura • D: Diâmetro do Feixe H
definição (caso 1) seria a linha de varredura formada entre o intervalo [- β; - β] ou de [+ β; + β]. Uma segunda definição (caso 2) considera a linha de varredura formada entre o intervalo [– β; + β] ou de [+ β; - β].As duas possíveis definições para linha de varredura para sistemas de varredura linear (padrão zig-zag) são ilustradas na Figura 2.3. O sistema LIDAR utilizado neste trabalho de pesquisa, o ALTM 2050, utiliza o caso 2 como definição.
FIGURA 2.3 – DEFINIÇÕES UTILIZADAS PARA LINHA DE VARREDURA FONTE: ADAPTADO BALTSAVIAS (1999b)
A frequência de varredura e a velocidade da plataforma são geralmente definidas com o objetivo de garantir uma distribuição regular de pontos no terreno, ou seja, que o espaçamento dos pontos ao longo da direção de voo seja o
mais próximo possível do espaçamento na direção perpendicular à direção de voo O espaçamento entre os pontos ao longo da direção de voo ( ), o qual
depende da velocidade da aeronave ( ) e da frequência de varredura ( ) é expresso através da Equação 2.2, considerando terreno plano e horizontal. É importante notar que este valor irá variar dependendo da definição utilizada para linha de varredura (Figura 2.3).
(2.2)
O espaçamento entre os pontos na direção perpendicular à direção de voo ( ), o qual depende da altura de voo ( ), ângulo de varredura ( ), da
Uma linha de varredura (caso 2) Uma linha de varredura (caso 1) dalong (caso 2) dalong (caso 1)
frequência de repetição ( ) e da frequência de varredura ( ), é expresso através da Equação 2.3 (BALTSAVIAS, 1999b), considerando terreno horizontal e plano. Na Equação 2.3, expressa o número de pontos em uma linha de varredura. Aqui novamente, é importante notar que este valor irá variar dependendo da definição utilizada para linha de varredura (Figura 2.3). Para o caso 2, o valor obtido através da Equação 2.3 deve ser multiplicado por dois.
(2.3)
Portanto, a densidade de pontos coletada irá depender de diversos fatores como a altura de voo, ângulo de varredura, frequência de varredura, velocidade da aeronave, frequência de repetição do sistema, topografia do terreno bem como propriedades de reflectância da superfície. Considerando superfície plana e horizontal, o número aproximado de pontos por metro quadrado (ppm2) pode ser obtido através da Equação 2.4, assumindo que todos os retornos serão válidos (sem perdas devido à baixa reflectância da superfície). A resolução aproximada dos dados pode ser obtida através da Equação 2.5.
(2.4)
√ (2.5)
O feixe de LASER emitido não é perfeitamente cilíndrico, mas possui formato cônico uma vez que diverge a um ângulo ( ), o qual é conhecido como ângulo de divergência. Devido a essa divergência, a projeção do feixe de LASER na superfície do terreno não é pontual, mas cobre uma área elementar (footprint). O ângulo de divergência varia tipicamente de 0,2 a 1,0 mrad (TOTH, 2010). O diâmetro do feixe no terreno ( ) depende principalmente do ângulo de divergência e da altura de voo. Outros fatores como o ângulo instantâneo do feixe e a inclinação do terreno também exercem influência no formato e no tamanho da projeção do feixe no terreno (footprint). Maiores detalhes podem ser encontrados em Baltsavias (1999b).
No percurso sensor até a superfície da Terra, o feixe LASER emitido pode encontrar vários objetos dentro do cone de difração do feixe gerando desta forma múltiplos retornos (Figura 2.4). Sistemas comerciais da atualidade são capazes de registrar até seis retornos para cada pulso LASER emitido. Além disso, nos últimos anos, uma nova geração de sistemas LIDAR são dotados de mecanismos para digitalizar a onda completa de retro espalhamento (full waveform) para cada pulso LASER emitido. O equipamento utilizado nesta pesquisa é capaz de armazenar apenas o primeiro e o último retorno para cada feixe LASER emitido. No caso de regiões florestais, o primeiro retorno será geralmente proveniente da copa das árvores e o último proveniente de uma vegetação rasteira ou do terreno.
FIGURA 2.4 – MÚLTIPLOS RETORNOS NO CONE DE DIFRAÇÃO DO FEIXE LASER EMITIDO
2.1.3 Modelo Geométrico
As coordenadas tridimensionais dos pontos mapeados pelo LIDAR são derivadas através da utilização das observações de cada um dos componentes do sistema bem como os parâmetros que definem o relacionamento geométrico entre os sensores. O modelo matemático relacionando as observações e parâmetros do sistema com as coordenadas dos pontos, denominada equação do LIDAR (Equação 2.6), é obtida através da soma dos três vetores 𝑏𝑚 𝑡 , 𝑢𝑏 e 𝐼 𝑏 (ilustrados na Figura
2.5) após a aplicação das devidas matrizes de rotação: 𝑏𝑚 𝑡 ,
𝑢𝑏 e 𝑏 𝑢 .
Primeiro Retorno
Último Retorno Retornos Intermediários
𝐼𝑚 𝑏𝑚 𝑡 𝑏𝑚 𝑡 𝑢𝑏 𝑏𝑚 𝑡 𝑢𝑏 𝑏 𝑢 𝐼 𝑏 (2.6)
Na Equação 2.6, o termo 𝑏𝑚 𝑡 representa o vetor conectando a origem do sistema de coordenadas do espaço objeto e a origem do sistema de coordenadas da unidade de medição inercial (IMU – Inertial Measurement Unit), o termo 𝑢𝑏 , , – excentricidade (lever arm) – é o vector conectando a origem dos sistemas de coordenadas do IMU e da unidade LASER (definido relativamente ao sistema de coordenadas do IMU) e o temo 𝐼 𝑏 é o vetor de alcance do LASER cuja
magnitude 𝜌 é equivalente à distância sensor-obstáculo. Deve-se notar que o termo 𝑏𝑚 𝑡 é obtido através do processamento dos dados GPS/INS o qual considera a excentricidade entre o sistema de coordenadas do IMU e o centro de fase da antena GPS. Já o termo 𝑏𝑚 𝑡 representa a matriz de rotação relacionando os sistemas de coordenadas do espaço objeto e do IMU, a qual é também determinada através do processamento dos dados GPS/INS. A matriz de rotação 𝑢𝑏 relaciona os sistemas de coordenadas do IMU e da unidade LASER, a qual é
definida pelos ângulos de desalinhamento roll, pitch e heading , e . Já a matriz de rotação 𝑏 𝑢 relaciona os sistemas de coordenadas da unidade LASER e
do feixe LASER, a qual é definida pelo ângulo instantâneo de varredura. Todas as grandezas presentes na equação do LIDAR são provenientes das observações do sistema, exceto os ângulos de desalinhamento e as excentricidades entre a unidade LASER e o IMU, os quais são obtidos juntamente com erros sistemáticos nos ângulos e alcances medidos através de um procedimento de calibração (KERSTING, 2011).
FIGURA 2.5 – SISTEMAS DE COORDENADAS E GRANDEZAS ENVOLVIDAS NA EQUAÇÃO (MODELO GEOMÉTRICO) DO LIDAR
FONTE: ADAPTADO KERSTING (2011)
A acurácia da nuvem de pontos proveniente de um sistema LIDAR depende de erros sistemáticos e aleatórios nas observações e parâmetros do sistema. A acurácia depende também das características/cobertura do terreno mapeado. Uma descrição detalhada dos fatores que afetam a acuracidade dos dados do LIDAR pode ser encontrada em Huising e Pereira (1998), Baltsavias (1999b) e Schenk (2001). A magnitude dos erros aleatórios depende principalmente da precisão das observações do sistema tais como posição e orientação da plataforma, ângulos e alcances medidos. Já os erros sistemáticos são principalmente causados por erros nos ângulos de desalinhamento e excentricidade entre os sensores, bem como erros sistemáticos nas observações do sistema.
2.1.4 Classificação dos Dados – Geração de Modelos Digitais de Terreno
Os dados obtidos a partir de um sistema LIDAR formam uma nuvem de pontos com coordenadas tridimensionais, onde a superfície não é explicitamente descrita em termos da feição à qual pertence. Em regiões florestais, os pontos coletados devem ser classificados como sendo de terreno ou de vegetação.
Diversos algoritmos para a classificação de pontos de terreno, também denominados de métodos de filtragem, foram propostos por vários autores objetivando a geração de Modelos Digitais de Terreno (MDTs) a partir dos dados do
LIDAR. O primeiro grupo de métodos que podem ser identificados na literatura são os métodos baseados em morfologia matemática. Operações como dilatação e erosão, tipicamente utilizadas para expandir ou reduzir objetos em imagens binárias são estendidas para a análise de superfícies contínuas, como as obtidas a partir do LIDAR. A combinação da erosão e da dilatação geram operações de abertura e fechamento que podem ser utilizadas para filtrar os dados do LIDAR. Uma erosão seguida de uma dilatação resulta em uma operação de abertura, enquanto que uma operação de fechamento é obtida a partir da realização da dilatação primeiramente. Métodos de filtragem baseados no conceito de morfologia matemática têm sido propostos por vários autores (LINDENBERGER, 1993; KILIAN et al.,1996; ALHARDTHY, 2003; ZHANG et al., 2003; VOSSELMAN, 2000; ROGGERO, 2001). Um segundo grupo de métodos que podem ser identificados na literatura são os baseados na densificação progressiva de um TIN (Triangulated Irregular Network) (AXELSSON, 2000; SOHN e DOWMAN, 2002). No algoritmo proposto por Axelsson (2000), os pontos de terreno são classificados através da construção iterativa de um modelo de superfície. O modelo inicial é obtido a partir da seleção local dos pontos mais baixos. Parâmetros de iteração são utilizados para a adição de mais pontos no modelo inicial. Mais detalhes sobre este método estão apresentados no item 3.2.2. O algoritmo proposto por Sohn e Dowman (2002) é baseado na densificação progressiva de um TIN, a qual é realizada em duas etapas de refinamento. A essência da abordagem é a geração iterativa de modelos de terreno onde a hipótese da superfície do terreno a ser formada localmente por planos é testada.
São também encontrados na literatura métodos baseados em predição linear e interpolação robusta hierárquica (KRAUS e PFEIFER, 1998; KRAUS e PFEIFER, 2001; PFEIFER et al., 2001, BRIESE et al., 2002) e métodos calcados em segmentação (JACOBSEN e LOHMANN, 2003; SITHOLE, 2005). Uma comparação detalhada de alguns dos métodos de filtragem disponíveis encontra-se em Sithole e Vosselman (2004).
A qualidade final de um MDT gerado utilizando os dados do LIDAR dependerá não somente do algoritmo utilizado para classificação dos pontos como de diversos outros fatores (KAREL et al., 2006) como: (i) acurácia dos pontos mapeados, (ii) tipo de cobertura/características do terreno, (iii) densidade e
